BP模型中的激励函数和改进的网络训练法

本文研究ＢＰ算法中激励函数ｆ对收敛速度的影响，得出了陡峭函数收敛快的结论．其次。

基于改进人工势场法的移动机器人路径规划

针对传统人工势场法在路径规划过程中容易陷入陷阱区域和局部极小点的问题,提出了一种改进人工势场法。首先,提出安全距离概念,避免了不必要的路径,从而解决了路径过长和算法运行时间过长问题;然后,为避免机器人陷入局部极小点和陷阱区域,在算法中引入预测距离,使得算法可以在机器人陷入局部极小点或陷阱区域之前做出反应;最后,通过合理设置虚拟目标点,引导机器人避开局部极小点和陷阱区域。实验结果表明,改进算法可以有效解决传统算法容易陷入局部极小点和陷阱区域的问题;同时,相较于传统人工势场法,所提算法规划出的路径长度减少了5.2%,计算速度提高了405.56%。

基于局部区域梯度最小点的遥感图像镶嵌算法

寻找最佳拼接缝是遥感图像镶嵌中的重要环节。目前寻找最佳拼接缝的算法大多只考虑到对应像素灰度的差异最小,却忽略了保留目标的完整性。为此,提出一种基于局部区域梯度最小点的最佳拼接缝寻找算法。该算法用梯度表示图像中灰度变化的快慢,梯度值小说明灰度变化较为平缓,据此在图像重叠区域中逐行选取最小梯度值点的连接线作为最佳拼接缝。同时,针对强制改正法易在列方向上产生横向带状效应的问题,提出一种改进的"差值拼接缝消除算法"。实验结果表明,用该文算法确定的最佳拼接缝有效地避开了梯度变化较大的区域,既有效地绕开目标的边缘,又保留了目标的完整性;改进的差值拼接缝消除算法还有效地避免了灰度差较大情况下的横纹现象,使镶崁图像的色调过渡更为平滑,视觉效果得到改善;且算法的运行速度更快,具有一定的可行性和有效性。

BP网络激励函数的研究

研究BP算法中激励函数f对收敛速度的影响 ,并将其用于传感器静态误差的综合修正 ,实验证明取得了较好的效果 。

基于提升小波变换的医学图像融合

目的将不同模态的医学图像(如CT/MRI图像)进行科学融合,可以有效地丰富图像的信息,提高信息的利用效能,这对于医学临床诊断具有重要的理论研究意义和应用价值。方法基于提升小波变换的特性,对多模态医学图像的融合算法进行研究。首先,对已配准的源图像进行多尺度分解,得到低频子带和多层高频子带;进而,根据低频子带的特点和各层高频子带的噪声含量不同,提出了低频子带系数采用基于区域平均能量的加权融合规则;对噪声含量较低的低层高频子带采用基于计盒分维法获取分维数,而对噪声含量较高的高层高频子带提出了基于区域梯度能量加权融合规则。结果分别对灰度图像和彩色图像进行了大量融合实验,并分别在主观视觉特性及客观评价指标下对不同融合算法产生的融合图像的质量进行了分析对比,表明本文算法具有较好的边缘保持度。结论实验结果表明,较现有算法产生的融合图像,应用本文融合算法得到的图像具有更丰富的信息,更能使图像灰度级分散,具有更良好的视觉特性和评价指标。

基于Hopfield网络的极小值问题学习算法

针对 Hopfield神经网络 (HNN )所存在的极小值问题及缺乏学习能力的问题 ,提出了一种学习算法。将决定约束条件权值大小的系数作为学习参数 ,在参数空间里使参数向着 HNN能量上升最快的方向学习 ,使网络状态能够有效地从可能陷入的极小值状态中逃脱出来。对于在状态空间里陷入极小值状态的 HNN,首先在参数空间里修正参数 ,然后再返回到状态空间里进行状态更新 ,如此反复 ,直至找到最优解或满意解。算法的有效性通过仿真实验进行了验证。该算法分别被应用于 10城市和 2 0城市的旅行商问题 。